图反卷积生成
机器学习
2020-02-19 v1 机器学习
摘要
图生成是一项极为重要的任务，因为图广泛存在于科学与工程的各个领域。在本工作中，我们关注 Erdos-Renyi 随机图模型的现代等价物：图变分自编码器(GVAE)。该模型假设边和节点相互独立，以便使用多层感知机解码器一次生成整个图。由于这些假设，GVAE 难以匹配训练分布并依赖于昂贵的图匹配过程。我们通过将消息传递神经网络构建进 GVAE 的编码器和解码器来改进此类模型。我们在生成小有机分子这一具体任务上展示了我们的模型。
引用
@article{arxiv.2002.07087,
title = {Graph Deconvolutional Generation},
author = {Daniel Flam-Shepherd and Tony Wu and Alan Aspuru-Guzik},
journal= {arXiv preprint arXiv:2002.07087},
year = {2020}
}